人工智能机器学习的发展可追溯至19世纪中期，旨在通1讨对数据内涵的信息与数据之间的逻辑关系的理解实现计算机对数据的自主学习及推演。深度学习是机器学习的分支，旨在通过更多的数据， 利用人工神经网络模型实现对更为抽象、深层次的逻辑信息进行学习。由于深度学习的实现需基干大量训练数据实现，深度学习的面世快速推进 了Al技术在互联网、金融等数据基础庞大的领域中的应 用。然而，深度学习在推进井 T业、医疗等领域中A深化应用的难度较大。阻碍因素主要有二∶ （1） 该类领域中各细分领域差异化较大，各项目目标相似度较低， 而基于深度学习的Al开发项目所需花费的时间及资金成本较高，难以实现规模化的商业应用; （2）各细分领域可用于训练的数据量较小，基于深度学习的Al项目准确率难以达到应用所需的标准。
关注微信
